信用风险对金融市场危害最大,它是指在金融交易中交易对手或债务发行人违约或信用品质潜在变化而导致损失的可能性。信用风险直接影响着现代经济生活中的各种活动,影响到国家的宏观决策和经济发展,甚至影响到全球经济的稳定发展。因此建立一个准确、高效的预测模型,对贷款企业或个人信用进行评估,确定一套行之有效的贷款解决方案,降低不良贷款率是金融机构面临的一个全新课题。 本文针对目前广泛使用的企业和个人信用评估模型与方法存在的缺点和不足,结合信用评估本身所具有的特点,将人工智能技术运用到其中,建立了基于神经网络的企业和个人信用评估模型,该模型的建立为目前如何建立一个科学、客观、准确、可行的信用评估数学模型提供了有力支持。 本文首先对企业和个人信用评估的现象进行分析,阐明了目前使用的模型或方法不足以反映出影响企业和个人信用诸多因素之间的非线性关系,然后通过对人工智能中的神经网络技术进行深刻剖析,发现神经网络技术是一种自然的非线性建模过程,能从大量复杂数据中发现规律,这一特点恰好适用于信用评估领域,具有一定的可行性。 在此基础上,本文通过设立指标体系、从银行获取各项指标数据,对建立的BP网络信用评估模型进行模拟实验。在企业信用评估部分中,通过对软指标和硬指标分别使用不同的标准化方法来进行数据的归一化处理。在个人信用评估部分中,对所有的离散数据进行量化处理,然后使用局部学习率自适应算法,对BP算法加以改进。实验结果表明,网络的实际输出十分接近于期望输出,该模型的准确率高、实用性强,具有进一步研究和推广应用的价值。